Caminata aleatoria III

En este ejercicio, completarás tu simulación de caminata aleatoria usando los rendimientos de la acción de Facebook de los últimos cinco años. Empezarás con una muestra aleatoria de rendimientos como la que generaste en el ejercicio anterior y la usarás para crear una trayectoria aleatoria del precio de la acción.

Este ejercicio forma parte del curso

Manipulación de series temporales en Python

Ver curso

Instrucciones del ejercicio

Ya hemos importado pandas como pd, choice y seed de numpy.random, y matplotlib.pyplot como plt. Hemos cargado el precio de Facebook como un pd.DataFrame en la variable fb y una muestra aleatoria de rendimientos diarios de FB como pd.Series en la variable random_walk.

Selecciona el primer precio de Facebook aplicando .first('D') a fb.price y asígnalo a start.
Suma 1 a random_walk y reasígnalo a sí mismo; luego haz .append() de random_walk a start y asigna el resultado a random_price.
Aplica .cumprod() a random_price y reasígnalo a sí mismo.
Inserta random_price como una nueva columna llamada random en fb y representa el resultado.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Select fb start price here
start = ____

# Add 1 to random walk and append to start
random_walk = ____
random_price = ____

# Calculate cumulative product here
random_price = ____

# Insert into fb and plot
fb['random'] = ____

Editar y ejecutar código